
Antigo fundador tecnológico da Meta partilha três coisas que todos os CTO têm de fazer antes de tocar em IA

James Everingham
CEO e cofundador da Guild.ai

James Everingham explica por que razão os CTO devem tratar a IA como infraestrutura, estabelecer uma governação desde o início e deixar que as ferramentas úteis conquistem a adesão, em vez de a imporem.
James Everingham
CEO e cofundador da Guild.ai

Key Takeaways
Conquistar a adesão: Os CTO devem demonstrar o valor da IA através de desafios relevantes, em vez de imporem ferramentas que os engenheiros possam rejeitar.
Criar governação: A governação da IA deve preceder a adoção, com orçamentos, controlos de acesso e auditorias concebidos na infraestrutura desde o primeiro dia.
Repensar a arquitetura: Os agentes especializados requerem uma infraestrutura que suporte a coordenação, a titularidade, a responsabilização e uma gestão semelhante à de uma força de trabalho entre equipas técnicas.
Validar os resultados: Os engenheiros podem acelerar o trabalho com IA, mas o discernimento humano deve verificar o código, os riscos e a prontidão para produção antes do lançamento.
Centralizar a reutilização: Uma plataforma partilhada de agentes permite às equipas descobrir, bifurcar, governar e otimizar soluções existentes, em vez de as reconstruírem de raiz.
James Everingham liderou a engenharia em algumas das empresas mais avançadas do mundo, incluindo a Meta. Atualmente, é CEO e cofundador da Guild.ai, uma plataforma de controlo para agentes de IA, que proporciona às organizações um único local para implementar, governar, monitorizar e otimizar todos os agentes em produção.
Sentámo-nos com James para perceber como a IA está a mudar os fluxos de trabalho de engenharia — e o que as equipas de engenharia precisam de mudar antes de a IA poder ser integrada eficazmente. Eis o que nos disse.
Da Meta à startup de IA
Sou o CEO e cofundador da Guild.ai, a plataforma de controlo para agentes de IA, que proporciona às organizações um único local para implementar, governar, monitorizar e otimizar todos os agentes em produção. Angariámos 44 milhões de dólares — uma ronda Série A liderada pela Google Ventures, com a participação da NFX, Acrew, Scribble Ventures, Khosla Ventures e Webb Investment Network. Somos uma equipa de cerca de 35 pessoas, sediada em São Francisco.
Antes disso, fui vice-presidente de Engenharia na Meta DevInfra, onde construí e geri as ferramentas, os serviços e as plataformas essenciais para programadores que impulsionam os produtos da Meta. A minha equipa criou o primeiro agente de IA interno da Meta, causando um impacto imediato na forma como os engenheiros da Meta utilizavam as ferramentas de IA. Durante o meu período na Meta, também cocreei a Diem e fui responsável pela Engenharia do Instagram.
Com uma carreira de 40 anos como gestor, empreendedor e profissional de desenvolvimento tecnológico, liderei numerosas equipas de engenharia de classe mundial. Na Yahoo, fui vice-presidente de Engenharia das propriedades multimédia da Yahoo depois de a empresa ter adquirido a Luminate, uma empresa de tecnologia de imagem interativa que fundei. Antes disso, liderei equipas na Oracle, na Netscape Communications, na Tellme (adquirida pela Microsoft) e em várias empresas minhas.
More Articles
Como a IA ajudou a eliminar o congelamento anual do código na Meta
Quando estava na Meta, utilizámos um modelo de risco de IA para eliminar o congelamento anual do código.
Anteriormente, a Meta congelava a sua base de código todos os anos, desde meados de dezembro até janeiro, porque esse é o período de maior tráfego para os seus produtos. Durante anos, para evitar incidentes em produção nas semanas de maior risco, ninguém fazia implementações. Isto era seguro, mas também paralisava a produtividade de toda a empresa durante mais de um mês.
Não imponham aos engenheiros um mandato de IA de cima para baixo; deem-lhes infraestrutura — uma plataforma centralizada, um sinal de risco, uma plataforma de controlo — e deixem-nos descobrir por si próprios onde podem obter vantagem.

A minha equipa criou e disponibilizou como código aberto o Diff Risk Score, um sistema baseado num LLM que calcula a probabilidade de uma diferença de código provocar uma falha em produção. Em vez de tratar todas as alterações como igualmente perigosas durante o período de congelamento, o modelo fazia uma triagem de risco. Atribuía uma pontuação de risco contínua a cada diferença, otimizada para uma elevada cobertura — por exemplo, assinalando 10% das diferenças e detetando 60% das alterações que efetivamente causam incidentes. O modelo permitia que as diferenças de baixo risco fossem implementadas mesmo durante o congelamento, mas retinha as que assinalava como arriscadas.
Como resultado, o congelamento deixou de ser uma questão de tudo ou nada. E o Diff Risk Score está a permitir que a Meta comece a eliminar completamente o congelamento do código — os engenheiros estão a recuperar semanas do seu calendário que antes eram tempo perdido, sem sacrificar a rede de segurança proporcionada pelo congelamento.
Este é um bom exemplo da minha filosofia mais abrangente: não imponham aos engenheiros um mandato de IA de cima para baixo; deem-lhes infraestrutura — uma plataforma centralizada, um sinal de risco, uma plataforma de controlo — e deixem-nos descobrir por si próprios onde podem obter vantagem.
Porque é que os humanos têm de ser capazes de explicar o código antes de este entrar em produção

Se não consegue explicá-lo, não pode implementá-lo.
Utilizo intensivamente ferramentas de IA para acelerar o trabalho, mas aconselho os engenheiros a exigirem sempre validação antes de qualquer coisa chegar à produção. A IA não substitui o discernimento de engenharia; dá aos engenheiros mais capacidade para aplicarem esse discernimento em escala.
A IA informa agora o trabalho na avaliação de riscos, bem como na descoberta de ferramentas e fluxos de trabalho.
Onde os humanos são melhores:
- Governança e salvaguardas em torno dos próprios agentes: Quando as equipas integram modelos de raciocínio e agentes profundamente na infraestrutura, rapidamente se deparam com falhas de governança — os agentes multiplicam-se mais depressa do que alguém esperava e os orçamentos desaparecem de um dia para o outro. É necessária a mesma camada de governança em torno dos agentes não determinísticos que seria aplicada aos humanos que utilizam essa infraestrutura — o que significa que os humanos continuam a definir limites orçamentais, fronteiras de acesso e requisitos de auditoria.
- Estratégia de adoção: Não se impõe a adoção de ferramentas de IA — a utilização conquistada é melhor do que a utilização imposta, uma vez que os mandatos geram uma adoção superficial. Decidir como integrar a IA no fluxo de trabalho de uma equipa é claramente uma decisão humana de liderança e cultura — a ferramenta pode demonstrar o seu valor, mas a decisão de adoção não pode ser automatizada.
Porque é que as equipas de engenharia têm de repensar a sua arquitetura

A computação inicial começou com um mainframe partilhado por todos, passando depois para bastidores de servidores que executavam serviços especializados. Os agentes estão a seguir o mesmo percurso.
A antiga suposição era criar alguns agentes de uso geral e centralizar a sua utilização em torno deles, tal como se centraliza a computação. Mas as empresas estão a perceber que a sua realidade não consiste num punhado de ferramentas partilhadas — está mais próxima de um ecossistema de agentes especializados e concebidos para fins específicos. Isto obriga a repensar o que significa realmente "arquitetura" para uma base de código: menos um monólito com plug-ins, mais um mundo de microsserviços, exceto que os serviços são agentes em vez de pontos de acesso.
O impulso na maioria das organizações é tratar um agente como qualquer outra peça de software — definir a especificação, lançá-lo e esperar resultados consistentes. Abandonei essa abordagem, substituindo-a por um modelo mental de força de trabalho. Isto reformula as questões relacionadas com o desenho organizacional — quem aprova o quê, quem controla o orçamento, quem é responsável quando algo corre mal — como questões de gestão, não de implementação. É uma forma diferente de estruturar a relação de uma equipa com as suas ferramentas.
Porque é que a governação tem de estar implementada antes de a adoção da IA disparar
Nas minhas funções anteriores, gostaria que tivéssemos criado a camada de governação antes de a adoção disparar, e não depois.
Quando estava na Meta, os engenheiros começaram a criar e publicar os seus próprios agentes na plataforma interna; os agentes multiplicaram-se rapidamente e a equipa de infraestrutura teve subitamente de se esforçar para acompanhar a procura — tentando literalmente encontrar dezenas de milhares de servidores livres.
Visto retrospectivamente, isto poderia ter sido evitado. Se partirmos do princípio de que a adoção pode tornar-se viral internamente, criamos os controlos de custos e os limites de acesso como parte da plataforma desde o primeiro dia, e não como uma resposta de emergência.
Os CTO têm de redefinir a fronteira entre "onde vive a IA" e "em que pode tocar a IA" — retirando-a do editor e colocando-a na sua infraestrutura, porque é nessa camada que o risco tem origem e onde a governação deve residir.

Partilhas de James
Os CTO têm de redefinir a fronteira entre “onde vive a IA” e “o que a IA pode alcançar” — retirando-a do editor e colocando-a na sua infraestrutura, porque é nessa camada que o risco tem origem e onde a governação deve residir.
Porque é que as organizações têm de dispor de um local centralizado onde os agentes possam ser bifurcados

Enquanto engenheiro, era melhor a roubar do que a programar. Encontrava algo que satisfazia parcialmente as minhas necessidades, adaptava-o ao meu objetivo específico e aprendia ao longo do processo.
O primeiro passo do fluxo de trabalho não é "dar um prompt a um modelo"; é navegar num local centralizado para ver que agentes já existem para esta tarefa e bifurcar um deles, em vez de começar do zero. As organizações têm de criar processos que permitam roubar agentes facilmente.
Três conselhos para os CTO que integram a IA em organizações técnicas
Eis o meu conselho:
- Não a imponha — conquiste a adesão. A utilização obrigatória da IA para aumentar a produtividade frustra-me, porque produz uma adoção superficial — as melhores ferramentas de desenvolvimento conquistam a sua utilização e os programadores são suficientemente inteligentes para resistir a que lhes digam de que ferramentas devem gostar. Os CTO devem apresentar à organização desafios empresariais uma ordem de grandeza maiores — problemas tão grandes que a IA seja a única solução realista. Depois, devem deixar que os engenheiros que os resolvem se tornem defensores espontâneos.
- Deixe de tratar a IA como uma ferramenta de autoria e comece a tratá-la como infraestrutura. 2025 foi o ano em que ferramentas de programação como o Cursor e o Copilot se generalizaram; agora, os modelos de raciocínio e os agentes com várias etapas deixam de ser plug-ins do editor e passam, em vez disso, a fazer parte da infraestrutura das empresas — submetendo código, executando testes, integrando novos engenheiros e gerindo o comportamento em produção. Se a sua estratégia de IA ainda é "que plug-in do IDE devemos comprar?", está a resolver um problema antigo.
- Governe os agentes como governaria uma força de trabalho, e não como governaria software. Os agentes alimentados por modelos de raciocínio são não determinísticos — dê duas vezes a mesma entrada ao mesmo agente e poderá obter resultados diferentes. Isto não é um erro a corrigir; é a natureza fundamental desta tecnologia. Os CTO já gerem diariamente sistemas não determinísticos com funcionários. É necessário aplicar aos agentes algumas das mesmas salvaguardas que aplica à sua força de trabalho. Não dê a um agente acesso irrestrito à produção, credenciais de raiz ou um orçamento ilimitado na nuvem no primeiro dia, tal como não daria essas coisas a um funcionário recém-contratado.
Eis o meu conselho: não a imponha — conquiste a adesão. Deixe de tratar a IA como uma ferramenta de autoria e comece a tratá-la como infraestrutura. Governe os agentes como governaria uma força de trabalho, e não como governaria software.

Acompanhe
Pode acompanhar o trabalho de James Everingham no X e no LinkedIn.
Mais entrevistas com especialistas em breve no The CTO Club!



